合併計數轉換

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

• 請參閱將機器學習專案從 ML 工作室 (傳統) 移至 Azure Machine Learning 的相關資訊。
• 深入瞭解Azure Machine Learning。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

建立以計數資料表為基礎的一組特徵

Category：具有計數的 Learning

注意

適用于：僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

模組概觀

本文描述如何使用機器學習 Studio (傳統) 中的「合併計數轉換」模組，結合兩組以計數為基礎的特徵。 藉由合併兩組相關的計數和功能，您可能會改善功能的涵蓋範圍和散發。

在具有高基數特徵的大型資料集內，從計數 Learning 特別有用。 將多個資料集合併成以計數為基礎的特徵集，而不需要重新處理資料集，可讓您更輕鬆地收集非常大型資料集的統計資料，並將其套用至新的資料集。 例如，您可以使用計數資料表來收集超過數 tb 資料的資訊。 您可以重複使用這些統計資料，以改善小型資料集的預測性模型精確度。

若要合併兩組以計數為基礎的功能，您必須使用具有相同架構的資料表建立這些功能：也就是說，這兩個集合都必須使用相同的資料行，而且具有相同的名稱和資料類型。

如何設定合併計數轉換

1. 若要使用 合併計數轉換，您必須建立至少一個以計數為基礎的轉換，而且該轉換必須存在於您的工作區中。 如果您是從不同的實驗儲存以計數為基礎的轉換，請查看 [ 轉換 ] 群組。 如果您在目前的實驗中建立轉換，請連接下列模組的輸出：

   • 建立計數轉換。 根據來源資料建立新的計數型轉換。

   • 修改計數資料表參數。 接受現有的計數轉換做為輸入，並輸出更新的轉換。

   • 匯入計數資料表。 這個模組支援使用以計數為基礎的學習，與舊版實驗的回溯相容性。 如果您使用匯 入計數資料表 來分析資料集中值的分佈，然後使用已被取代的計數 Featurizer 模組將值轉換成特徵，請使用匯 入計數資料表 將結果轉換為轉換。

2. 將「 合併計數轉換 」模組新增至實驗，並將轉換連接到每個輸入。

   提示

   第二個轉換是選擇性的輸入，您可以連接相同的轉換兩次，或在第二個輸入埠上連接任何內容。

3. 如果您不想讓第二個資料集使用第一個資料集來平均加權，請指定 [ 衰減因數] 的值。 您輸入的值會指出如何加權第二個轉換的一組功能。

   例如，1個加權的預設值會有同樣的功能集。 值 .5 表示第二個集合中的功能在第一個集合中有一半的加權。

4. （選擇性）加入套用 轉換 模組的實例，並將轉換套用至資料集。

範例

如需如何使用此模組的範例，請參閱 Azure AI 資源庫：

• 具有計數的 Learning：二元分類：示範如何使用 Learning with count 模組，從二元分類模型的類別值資料行產生特徵。

• 具有計數的 Learning：多元分類與 NYC 計程車資料：示範如何使用「使用計數學習」模組，在公開可用的 NYC 計程車資料集上執行多元分類。 此範例使用多元羅吉斯回歸學習模組來建立此問題的模型。

• 具有計數的 Learning：使用 NYC 計程車資料的二元分類：示範如何在公開可用的 NYC 計程車資料集上使用具有計數的學習模組來執行二元分類。 此範例使用兩個類別的羅吉斯回歸學習模組來建立問題的模型。

預期的輸入

名稱	類型	說明
先前的計數轉換	ITransform 介面	要編輯的計數轉換
新的計數轉換	ITransform 介面	要新增 (選擇性) 的計數轉換

模組參數

名稱	類型	範圍	選用	描述	預設
衰減因數	Float		必要	1.0f	要乘以右邊輸入埠之計數轉換的衰減因數

輸出

名稱	類型	說明
合併的計數轉換	ITransform 介面	合併的轉換

例外狀況

例外狀況	描述
錯誤 0003	如果一或多個輸入為 Null 或空白，就會發生例外狀況。
錯誤 0086	計數轉換無效時所發生的例外狀況。

另請參閱

以計數學習